具身智能機器人還需突破哪些關(guān)鍵技術(shù)？

平穩(wěn)行走、連續(xù)奔跑、抓取物品……國家地方共建具身智能機器人創(chuàng)新中心（以下簡稱“國創(chuàng)中心”）展示大廳內(nèi)，全球首個純電驅(qū)擬人奔跑的全尺寸人形機器人“天工”正自主完成一系列動作。

“人輕而易舉完成的動作，對于機器人來說并不容易，這通常涉及精確的環(huán)境感知、決策制定以及運動控制等多項技術(shù)。”國創(chuàng)中心品牌公關(guān)負責(zé)人魏嘉星對《中國報道》記者表示。

近年來，人工智能的迅猛發(fā)展推動了大模型與機器人技術(shù)的深度融合，顯著提升了機器人的自主決策能力和環(huán)境交互水平。從能夠負重登山、執(zhí)行垃圾清運任務(wù)的“機器狗”，到進入汽車制造企業(yè)完成零部件安裝和高精度操作的人形機器人，具身智能機器人已然進入大眾視野。

行業(yè)關(guān)鍵共性技術(shù)取得顯著進展

回顧機器人的發(fā)展歷程，機器人經(jīng)歷了從“機械自動化”到“環(huán)境感知”再到“認(rèn)知決策”的智能化演進。

早在20世紀(jì)50年代，第一代工業(yè)機器人已經(jīng)實現(xiàn)了依靠預(yù)編程就能完成任務(wù)指令。20世紀(jì)90年代，麻省理工學(xué)院（MIT）的Genghis六足仿生機器人可以依靠傳感器反饋實現(xiàn)自適應(yīng)行走。進入21世紀(jì)后，強化學(xué)習(xí)正式用于機器人控制。深度學(xué)習(xí)、大語言模型與多模態(tài)融合，機器人具備了“理解指令—規(guī)劃任務(wù)—執(zhí)行動作”的能力，并進一步向通用場景邁進。

“能夠像人類一樣與物理世界產(chǎn)生交互的智能體”是受訪專家們對于具身智能機器人達成的普遍共識，其中人形機器人被認(rèn)為是具身智能的最佳載體。

傳統(tǒng)工業(yè)機器人作為智能化水平較低的機器人早已在制造業(yè)領(lǐng)域廣泛應(yīng)用，其本質(zhì)是“固定程序”與“機械臂本體”的組合，而具身智能機器人則在于其“多模態(tài)感知”與“大腦決策”的進一步迭代。

形象來說，假設(shè)需要機器人將兩種水果放入對應(yīng)顏色的盤子中，傳統(tǒng)機器人會嚴(yán)格按照預(yù)設(shè)路徑執(zhí)行任務(wù)，一旦水果位置被移動，它就無法感知變化，仍按照預(yù)設(shè)指令完成任務(wù)，最終導(dǎo)致任務(wù)失敗。而具身智能機器人則能夠?qū)崟r觀察周圍的環(huán)境，隨即調(diào)整自己的行為，重新規(guī)劃路徑并完成任務(wù)。

2024年世界機器人大會上發(fā)布的《具身智能產(chǎn)業(yè)發(fā)展報告（2024年）》中提到，具身智能的技術(shù)體系可分為“感知—決策—行動—反饋”4個模塊，而其核心三要素包括本體、環(huán)境和智能。

魏嘉星指出，具身智能機器人由“大腦”（智能）、“小腦”（具身操作+具身運控）和“硬件身體”三部分構(gòu)成，圍繞這三部分展開的技術(shù)攻關(guān)被認(rèn)為是當(dāng)前行業(yè)的關(guān)鍵共性技術(shù)，這些技術(shù)的突破是推動具身智能產(chǎn)業(yè)發(fā)展的關(guān)鍵動力。

“從當(dāng)前‘大腦’‘小腦’和‘身體’三大技術(shù)的發(fā)展水平來看，‘大腦’的進展是顯著的?！本奚钪悄芸萍级麻L、科大訊飛前高級副總裁杜蘭向《中國報道》記者分析道，從2022年ChatGPT的橫空出世到如今的DeepSeek，大語言模型的飛速發(fā)展為具身智能注入了全新動力，推動著機器人從傳統(tǒng)的規(guī)則控制模式向自主學(xué)習(xí)模式轉(zhuǎn)變。

杜蘭進一步指出，大模型對世界理解不斷加深的同時，也間接推動了“小腦”技術(shù)的進化，也就是機器人運動控制系統(tǒng)的進步。當(dāng)前，通過引入機器學(xué)習(xí)技術(shù)后，運動控制系統(tǒng)能實時分析環(huán)境并自動調(diào)整參數(shù)?，F(xiàn)在的機器人已經(jīng)能夠更加精準(zhǔn)地感知、采集和理解周圍的環(huán)境信息，實時構(gòu)建更高精度的空間模型。

聰明的大腦還要搭配發(fā)達的四肢?；谥袊I(yè)制造和產(chǎn)業(yè)鏈優(yōu)勢，在核心零部件以及材料方面的本體技術(shù)更是發(fā)展迅速。北京工業(yè)大學(xué)教授、北京智同精密傳動科技有限責(zé)任公司首席科學(xué)家張躍明告訴《中國報道》記者：“減速機是連接機器人動力源和執(zhí)行機構(gòu)的中間裝置，相當(dāng)于人體的‘關(guān)節(jié)’，主要用于幫助機器人完成高精度的控制動作。以RV減速機為例，原先這部分基本被日本壟斷，但如今我們已經(jīng)能夠基本實現(xiàn)國產(chǎn)化。不管是內(nèi)部齒輪的精度和組合的創(chuàng)新設(shè)計，還是耐用性上都有了提升?！?/p>

受訪專家們紛紛表示，整體來看，中國的具身智能機器人無論是在技術(shù)還是產(chǎn)業(yè)方面都正走在世界前列。

“大小腦”智能化水平不足是主要瓶頸

僅僅3年時間，ChatGPT已迭代至4.0版本；而DeepSeek上線一個月便成為全球用戶增速最快的AI應(yīng)用。盡管AI技術(shù)突飛猛進，但具身智能機器人并未迎來屬于它的“iPhone”時刻。

“即便現(xiàn)在將最聰明的大模型裝入機器人的大腦，它仍難以適應(yīng)復(fù)雜多變的環(huán)境，無法立即解決現(xiàn)實中的實際問題?！倍盘m說，具身智能機器人“大小腦”智能化水平不足是當(dāng)前技術(shù)發(fā)展進程中面臨的主要瓶頸。

“近年來，大模型雖進展迅速，但其本質(zhì)仍是‘語言’層面的智能，與‘世界的語言’有本質(zhì)區(qū)別。具身智能機器人需要的是世界模型，其不僅包含語言知識，還須具備空間感知能力、交互能力以及在復(fù)雜環(huán)境中的推理能力?！笨焖悸胙芯吭涸洪L、原商湯智能產(chǎn)業(yè)研究院創(chuàng)始院長田豐告訴《中國報道》記者，任何一方面能力出現(xiàn)短板都會限制具身智能機器人的發(fā)展。

人類對于機器人的期待從不止于能跑、能跳、炒菜做飯等，問題并非出在能不能上，而在好不好上。干活不夠迅速、不夠敏捷、不夠靈活才是普遍問題。

“人能夠自如控制身體，得益于四肢和軀干的標(biāo)準(zhǔn)化結(jié)構(gòu)。然而，具身智能機器人形態(tài)多樣，包括兩足人形、四足、六足以及輪式機器人，本質(zhì)上它們屬于非標(biāo)準(zhǔn)化結(jié)構(gòu)，這就對機器人的運動控制系統(tǒng)提出了更高要求?！碧镓S指出，這需要機器人在物理世界中進行大量測試，尤其是在工業(yè)、農(nóng)業(yè)、服務(wù)業(yè)等實際場景中的不斷驗證。高質(zhì)量數(shù)據(jù)與專業(yè)場景的匱乏是具身智能機器人不夠聰明的核心痛點。

未形成標(biāo)準(zhǔn)化模塊則是具身智能機器人在硬件層面的一大技術(shù)難題。田豐告訴記者，具身智能機器人領(lǐng)域還未實現(xiàn)硬件的標(biāo)準(zhǔn)化和通用化。就硬件設(shè)計來看，仍缺乏統(tǒng)一的模塊體系，不同廠家的產(chǎn)品之間未能形成類似手機或PC的標(biāo)準(zhǔn)化生態(tài)，盡管已有部分模塊化嘗試，但這些模塊多為非標(biāo)準(zhǔn)化設(shè)計。

如今，中央廚房機器人、工業(yè)重型機器人和家庭機器人等不同類型的機器人，其硬件模塊之間仍無法通用。此外，行業(yè)內(nèi)也尚未找到最優(yōu)的硬件架構(gòu)標(biāo)準(zhǔn)。

張躍明認(rèn)為，以人形機器人為代表的具身智能機器人本體制造上也存在剛性過大、能量利用率低等問題，與人類運動相比有較大差距。此外，由于應(yīng)用場景有限、需求不明確，人形機器人模型數(shù)量少，結(jié)構(gòu)創(chuàng)新也明顯不足。

“實際上，具身智能還沒有邁過通用智能的門檻，具身智能機器人也面臨同樣的問題。未來，在標(biāo)準(zhǔn)化基礎(chǔ)上允許微創(chuàng)新，同時確保整體設(shè)計的通用性和泛化性，將是機器人硬件發(fā)展的重要方向?！碧镓S補充道。

機器人“修煉秘籍”：高質(zhì)量數(shù)據(jù)集

位于國創(chuàng)中心三層和四層的采集場內(nèi)，一位工程師正通過操作機械臂在虛擬環(huán)境中模擬機器人抓取物品的動作，以此來捕捉機器人每個關(guān)節(jié)用力時傳感器的角度、速度、角速度等動作數(shù)據(jù)。另一位工程師則正通過遠程遙控設(shè)備指導(dǎo)機器人進行真機訓(xùn)練，完成相應(yīng)動作的學(xué)習(xí)和數(shù)據(jù)抓取。

“這里就像一個‘學(xué)?！?，具身智能機器人在不同場景中‘上課’，通過學(xué)習(xí)告訴機器人怎樣做是對的，怎么做會更好，在實踐中鍛煉機器人的各項技能。”魏嘉星說。

魏嘉星認(rèn)為，機器人想要變得智能，離不開持續(xù)學(xué)習(xí)與訓(xùn)練。在人類為主體的結(jié)構(gòu)性社會中，存在眾多場景和角色，要求機器人至少掌握一定比例的特定技能，并具備一定的泛化能力才能全面勝任各種任務(wù)。

自動駕駛技術(shù)的快速發(fā)展，也正是得益于車廠、自動駕駛公司以及實際道路上海量的測試數(shù)據(jù)積累。工業(yè)機器人也已廣泛應(yīng)用于工廠，如機械臂、四足機器人等，它們在專業(yè)場景中積累了豐富的數(shù)據(jù)，為智能化奠定了基礎(chǔ)。

獲取高質(zhì)量和多樣化的智能體與復(fù)雜物理空間進行交互的數(shù)據(jù)集，尤其是真實物理世界數(shù)據(jù)，對提升具身智能機器人的泛化能力和通用性，實現(xiàn)機器人在全場景下的靈活應(yīng)對至關(guān)重要。

據(jù)介紹，國創(chuàng)中心數(shù)據(jù)采集場為機器人搭建了工業(yè)、家庭、高危巡檢、辦公及零售等多種應(yīng)用場景。這些場景伴隨著多樣化的任務(wù)需求，例如打掃衛(wèi)生（如掃地、洗碗、倒茶）和物料分揀等。此外，采集場內(nèi)還采用了包括單臂機器人、雙臂機器人、人形機器人等多種形態(tài)的機器人本體進行數(shù)據(jù)采集，以滿足不同機器人在不同場景下的特定任務(wù)要求。

當(dāng)前，國創(chuàng)中心數(shù)據(jù)采集涵蓋6類本體七大典型場景，日產(chǎn)數(shù)據(jù)已達10TB?！皣鴦?chuàng)中心不僅自主進行數(shù)據(jù)采集，還引領(lǐng)整個行業(yè)制定相關(guān)標(biāo)準(zhǔn)，明確哪些數(shù)據(jù)是高質(zhì)量、可用且適合行業(yè)發(fā)展的。搭建起生態(tài)，讓大家真正把數(shù)據(jù)用起來。此外，我們在不斷攻克關(guān)鍵共性技術(shù)問題的同時，也在不斷深入研究各個細分領(lǐng)域進行場景落地的探索示范?！蔽杭涡钦f。

據(jù)了解，去年年底，全球首個基于全域真實場景、全能硬件平臺、全程質(zhì)量把控的百萬真機數(shù)據(jù)集開源項目 AgiBot World 發(fā)布。參與這一數(shù)據(jù)集項目的香港大學(xué)助理教授李弘揚在接受媒體采訪時提到，“我們還希望通過數(shù)據(jù)集推動硬件形態(tài)逐步收斂，并將其應(yīng)用于靈巧手、視觸覺系統(tǒng)以及輪式機器人上”。

李弘揚認(rèn)為，具身智能的終極發(fā)展方向在材料科學(xué)。這不僅關(guān)乎視觸覺等傳感器在穩(wěn)定性和可靠性的提升，還涉及下一代硬件的研發(fā)與設(shè)計階段，要求對各類傳感器形態(tài)進行前瞻性的考量與規(guī)劃。硬件的創(chuàng)新將帶來全新的應(yīng)用場景，這些場景能夠進一步賦能機器人技術(shù)發(fā)展。

近期，中國科學(xué)技術(shù)大學(xué)研發(fā)了一款類似章魚觸手的新型螺旋軟體機器人，該機器人依據(jù)多種生物柔性肢體（如章魚觸手）的原理設(shè)計而成，具備小到足以抓取螞蟻、大到提起水桶的多功能性。在多尺度、多材質(zhì)、多維度和協(xié)作交互等拓展應(yīng)用場景中，這些創(chuàng)新的柔性機械構(gòu)造以及先進的驅(qū)動技術(shù)，極大地增強了機器人在應(yīng)對復(fù)雜作業(yè)場景時的靈活表現(xiàn)與安全性能。

“只有軟硬件協(xié)同進化，具身智能行業(yè)才能真正取得突破性進展?！崩詈霌P說。